如何对Pandas分组Series的累积和减去每组首个元素？

我有一个pandas的series.groupby对象，命名为data，其输出示例如下：

<pandas.core.groupby.generic.SeriesGroupBy object at ***>
(1,
 0     397.44
 1      12.72
 2     422.40
Name: value, dtype: float64)
(2,
 3     398.88
 4       6.48
 5     413.52
Name: value, dtype: float64)
(3,
 6     398.40
 7      68.40
 8      18.96
 9      56.64
10     406.56
Name: value, dtype: float64)
(4,
11     398.64
12      14.64
13     413.76
Name: value, dtype: float64)
...

我希望得到一个等效对象，其中每个分组的条目为该组的累积和减去组内第一个元素，例如第一个分组应变为：

(1,
 0      0         #(= 397.44 - 397.44)
 1     12.72      #(= 397.44 + 12.72 - 397.44)
 2    435.12      #(= 397.44 + 12.72 + 422.40 - 397.44)

我可以用apply轻松获取累积和：

cumulative_sums = data.apply(lambda x: x.cumsum())

但尝试用lambda x: x.cumsum()-x[0]减去组内第一个元素时出现KeyError，请问如何实现需求？

出现KeyError是因为分组后的Series索引不一定从0开始（比如第二个分组的索引是3、4、5），直接用x[0]会尝试访问索引为0的元素，而该分组里没有这个索引，所以报错。

下面是几种可行的实现方法：

• 方法1：用iloc[0]按位置取组内第一个元素
  iloc是按元素的位置索引，不管Series的实际索引是什么，iloc[0]都能精准拿到组内第一个元素：

result = data.apply(lambda x: x.cumsum() - x.iloc[0])

• 方法2：用transform实现高效计算
  这种方法比apply性能更优（数据量大时差异明显），不需要写lambda：

cumulative_sums = data.cumsum()
group_first = data.transform('first')
result = cumulative_sums - group_first

• 方法3：提取组首值的单个数值进行计算
  和方法1逻辑类似，通过.item()把组首值提取为单个数值，避免潜在的索引对齐问题：

result = data.apply(lambda x: x.cumsum() - x.iloc[0].item())

内容的提问来源于stack exchange，提问作者KBriggs